MétaCan
Menu
Retour à la cohorte
Enregistrement W2891450798 · doi:10.3390/en11092424

A Stochastic Approach to Energy Policy and Management: A Case Study of the Pakistan Energy Crisis

2018· article· en· W2891450798 sur OpenAlexafffund
Zaman Sajid, Asma Javaid

Notice bibliographique

RevueEnergies · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueElectricity Theft Detection Techniques
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesMemorial University of Newfoundland
Mots-clésEnergy consumptionEnergy policyEnergy managementEnergy (signal processing)Environmental economicsConsumption (sociology)Production (economics)Energy engineeringGovernment (linguistics)Energy accountingEnergy intensityEnergy currentBusinessEconomicsPublic economicsRenewable energyEngineeringMicroeconomicsStatisticsMathematics

Résumé

récupéré en direct d'OpenAlex

The energy policy of a country dictates its ability to better manage and deal with an energy crisis. A sustainable energy policy deals with not only energy production but also with energy consumption. In the past, the government of Pakistan has lacked such an approach. This study aims to develop a policy-making framework to improve the energy management of Pakistan through a probabilistic approach. Stochastic analysis is performed in this study and the uncertainty in energy data is used to propose a holistic energy policy. Energy-utilization data from 17 different sources are used to compare the accuracy of energy-consumption data from 1989 to 2013. The analysis reveals that there exists an uncertainty in energy-consumption data and the major cause of this uncertainty is energy theft. The analysis shows that the industry has the highest uncertainty in its energy-data utilization, followed by the transport and the domestic sectors of Pakistan. Based on stochastic analysis, seven recommended energy-policy guidelines are presented to manage the energy crisis in the country. The analysis proposes that Pakistan needs to take measures to control energy theft.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,045
Score d'incertitude au seuil0,089

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,007
Tête enseignante GPT0,238
Écart entre enseignants0,231 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations13
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnergiesMême sujetElectricity Theft Detection TechniquesTravaux en français237 207